python爬虫系列(二):标准库的使用(A)
2017-09-19 22:53
330 查看
(一)Py2和Py3中的基本库使用的区分
Urllib库是python中的一个功能强大的,用于操作URL。python2和python3中用法基本相同,但是。python2中分为urllib和urllib2库。下面列出常见的变化有: 1.python2.x使用import urllib2-->python3.x使用import urllib.request, urllib.error 2.python2.x使用import urllib -->python3.x使用import urllib.request, urllib.error,urllib.parse 3.python2.x使用import urlparse-->python3.x使用import urllib.parse 4.python2.x使用import urllib2.urlopen-->python3.x使用import urllib.request.urlopen 5.python2.x使用import urllib2.quote-->python3.x使用import urllib.request.quote 6.python2.x使用cookielib.CookieJar-->python3.x使用 http.CookieJar 7.python2.x使用import urllib2.Request-->python3.x使用import urllib.request.Request 大概也就这几种常用到的模块。希望能认真的区分,这能让你轻松面对两个版本的python。
(二)通过实际代码来介绍各种模块的应用。
Ps:本人一直使用py3.5版本,所以如版本不同,请自行按照一中介绍的进行切换。 小试牛刀: import urllib.request import urllib.parse import http.cookiejar url = "http://bbs.chinaunix.net/member.php?mod=logging&action=login&loginsubmint=yes&loginhash=L768q" postdata = urllib.parse.urlencode({'usrname':'用户名','password':'密码'}).encode('utf-8') req = urllib.request.Request(url,postdata) req.add_header('User-Agent','Mozilla/5.0 (windows NT 6.1; WOW64) AppleWebkit/537.36') cjar = http.cookiejar.CookieJar() opener = urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cjar)) urllib.request.install_opener(opener) file = opener.open(req) print (file.read().decode('gbk'))
代码难点解析:这段代码虽然小,但却涵盖了常用到的爬虫模块了。通过urllib.request发送请求,把要登陆的用户和密码在通过urlencode的解析后构建post请求对象。
在这里要强调–> 我们访问的每一个互联网页面都是通过Http协议进行。而http 协议是一个无状态协议。所谓的无状态协议就是无法维持会话之间的状态。为了保持会话的畅通,cookie和session应运而生。
所以,这里的代码进行了cookie的对象的设置。即cjar = http.cookiejar.CookieJar()。然后自己创建了一个opener对象,携带cookier对象。
注:urlencode的作用:接受参数形式为:[(key1, value1), (key2, value2),…] 和 {‘key1’: ‘value1’, ‘key2’: ‘value2’,…}
返回的是形如key2=value2&key1=value1字符串。
urllib.urlencode({‘name’: u’老王’.encode(‘utf8’), ‘sex’: u’男’.encode(‘utf8’)})
‘name=%E8%80%81%E7%8E%8B&sex=%E7%94%B7’
@关于cookie和session的使用,在接下来的系列中会详细介绍。如果有什么问题可以一起探讨一下。
相关文章推荐
- Python爬虫系列之----Scrapy使用IP代理池
- Python爬虫系列之----Scrapy(七)使用IP代理池
- python爬虫系列(七):XPath的使用
- python爬虫系列:Scrapy安装与使用
- 【Python爬虫系列】使用requests爬取图片
- Python连载系列之Python语法基础1:开始使用Python
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- 【转帖】使用python爬虫抓站的一些技巧总结:进阶篇
- Python 标准库 urllib2 的使用细节
- 【转帖】使用python爬虫抓站的一些技巧总结:进阶篇
- python爬虫实现(使用线程池)
- Python 标准库 urllib2 的使用细节
- Python抓取优酷视频(上):爬虫使用及数据处理
- python框架之django使用系列教程(1),原创,转载请注明出处
- Python 标准库 urllib2 的使用细节
- [Python系列实用教程]一、Python如何使用urllib2获取网络资源
- Getting Started Spidering a Site使用Chilkat(python)练习的一个爬虫(from :http://www.example-code.com)
- Python 标准库 urllib2 的使用细节
- 【用Python写爬虫】获取html的方法【四】:使用urllib下载文件